El efecto de la evaluación de parámetros de composición corporal basada en tomografía computarizada impulsada por inteligencia artificial en la mortalidad a 28 días de pacientes con síndrome de fiebre

Qué problema aborda

El síndrome de fiebre severa con trombocitopenia (SFTS) es una enfermedad infecciosa grave con una alta tasa de mortalidad. A pesar de que se ha documentado que la sarcopenia y la myosteatosis están asociadas con resultados adversos en diversas enfermedades agudas, su impacto pronóstico en SFTS no había sido previamente evaluado.

Qué hicieron los autores

Los autores realizaron un estudio observacional retrospectivo en un solo centro, incluyendo a 234 pacientes con SFTS que contaban con datos clínicos completos y tomografías computarizadas (TC) disponibles. Se midieron índices de composición corporal, como el índice de músculo esquelético (SMI), el índice de grasa subcutánea (SFI), el índice de grasa visceral (VFI) y el índice de grasa intermuscular (IMFI) en los niveles vertebrales T12 y L3, utilizando un modelo de segmentación de TC impulsado por inteligencia artificial. Se aplicaron regresiones logísticas univariables y multivariables para identificar factores de riesgo independientes y construir un modelo pronóstico.

Qué encontraron

La mortalidad a 28 días en la cohorte fue del 13.7% (32 de 234 pacientes). Se identificó que el T12-IMFI era un factor de riesgo independiente para la mortalidad a 28 días, con un odds ratio ajustado de 1.30. Se construyó un modelo predictivo que incluía la edad, la carga viral log₁₀-transformada, la procalcitonina (PCT) y el T12-IMFI, mostrando un área bajo la curva (AUC) de 0.877, lo que indica un buen rendimiento discriminativo. La adición de T12-IMFI mejoró significativamente la estratificación del riesgo individual en comparación con un modelo clínico solamente.

Limitaciones

El texto disponible no detalla limitaciones específicas del estudio.

Lectura final

Los hallazgos de este estudio resaltan la importancia de la myosteatosis, medida a través de tomografía computarizada, como un biomarcador pronóstico valioso en pacientes con SFTS. La implementación de modelos predictivos que incorporen estos parámetros podría facilitar la estratificación temprana del riesgo en el momento de la admisión, mejorando potencialmente la atención clínica en esta población vulnerable.